NumPy數據類型
NumPy - 數據類型
NumPy 支持比 Python 更多種類的數值類型。 下表顯示了 NumPy 中定義的不同標量數據類型。
序號
數據類型及描述
1.
bool_存儲爲一個字節的布爾值(真或假)
2.
int_默認整數，相當於 C 的long，通常爲int32或int64
3.
intc相當於 C 的int，通常爲int32或int64
4.
intp用於索引的整數，相當於 C 的size_t，通常爲int32或int64
5.
int8字節(-128 ~ 127)
6.
int1616 位整數(-32768 ~ 32767)
7.
int3232 位整數(-2147483648 ~ 2147483647)
8.
int6464 位整數(-9223372036854775808 ~ 9223372036854775807)
9.
uint88 位無符號整數(0 ~ 255)
10.
uint1616 位無符號整數(0 ~ 65535)
11.
uint3232 位無符號整數(0 ~ 4294967295)
12.
uint6464 位無符號整數(0 ~ 18446744073709551615)
13.
float_float64的簡寫
14.
float16半精度浮點：符號位，5 位指數，10 位尾數
15.
float32單精度浮點：符號位，8 位指數，23 位尾數
16.
float64雙精度浮點：符號位，11 位指數，52 位尾數
17.
complex_complex128的簡寫
18.
complex64複數，由兩個 32 位浮點表示(實部和虛部)
19.
complex128複數，由兩個 64 位浮點表示(實部和虛部)
NumPy 數字類型是dtype(數據類型)對象的實例，每個對象具有唯一的特徵。 這些類型可以是np.bool_，np.float32等。
數據類型對象 (dtype)
數據類型對象描述了對應於數組的固定內存塊的解釋，取決於以下方面：
數據類型(整數、浮點或者 Python 對象)
數據大小
字節序(小端或大端)
在結構化類型的情況下，字段的名稱，每個字段的數據類型，和每個字段佔用的內存塊部分。
如果數據類型是子序列，它的形狀和數據類型。
字節順序取決於數據類型的前綴<或>。<意味着編碼是小端(最小有效字節存儲在最小地址中)。>意味着編碼是大端(最大有效字節存儲在最小地址中)。
dtype可由一下語法構造：
numpy.dtype(object, align, copy)
參數爲：
Object：被轉換爲數據類型的對象。
Align：如果爲true，則向字段添加間隔，使其類似 C 的結構體。
Copy? 生成dtype對象的新副本，如果爲flase，結果是內建數據類型對象的引用。
示例 1
# 使用數組標量類型
import numpy as np
dt = np.dtype(np.int32)
print dt
輸出如下：
int32
示例 2
#int8，int16，int32，int64 可替換爲等價的字符串 'i1'，'i2'，'i4'，以及其他。
import numpy as np
dt = np.dtype('i4')
print dt
輸出如下：
int32
示例 3
# 使用端記號
import numpy as np
dt = np.dtype('>i4')
print dt
輸出如下：
>i4
下面的例子展示了結構化數據類型的使用。 這裏聲明瞭字段名稱和相應的標量數據類型。
示例 4
# 首先創建結構化數據類型。
import numpy as np
dt = np.dtype([('age',np.int8)])
print dt
輸出如下：
[('age', 'i1')]
示例 5
# 現在將其應用於 ndarray 對象
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a
輸出如下：
[(10,) (20,) (30,)]
示例 6
# 文件名稱可用於訪問 age 列的內容
import numpy as np
dt = np.dtype([('age',np.int8)])
a = np.array([(10,),(20,),(30,)], dtype = dt)
print a['age']
輸出如下：
[10 20 30]
示例 7
以下示例定義名爲 student 的結構化數據類型，其中包含字符串字段name，整數字段age和浮點字段marks。 此dtype應用於ndarray對象。
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
print student
輸出如下：
[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')])
示例 8
import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')])
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student)
print a
輸出如下：
[('abc', 21, 50.0), ('xyz', 18, 75.0)]
每個內建類型都有一個唯一定義它的字符代碼：
'b'：布爾值
'i'：符號整數
'u'：無符號整數
'f'：浮點
'c'：複數浮點
'm'：時間間隔
'M'：日期時間
'O'：Python 對象
'S', 'a'：字節串
'U'：Unicode
'V'：原始數據(void)